二相混合式步进电机模型参数的辨识

编码强。为了克服普通二进制编码所带来的早熟问题， Schraudolph提出DPE) ，动态改变变量的定义域。当由某种方法得知种群已收敛，则变量定义域缩小一定范围，从而使得在全局最优点附近可以进行更精确的搜索基本遗传算法对于单个染色体只采用单点交叉操作，采用多点交叉有利于提高搜索效率。常用的多点交叉为两点交叉和均匀交叉。一般来说，均匀交叉优于两点交叉本文辨识电机模型参数，以误差平方和为目标函数，采用遗传算法进行优化。

遗传算法采用60位二进制编码， L六个待定常数每个占用10位，如图2所示。实测86BH250B电机绕组平均电感为11 26mH，反电动势系数为1 827V s.根据文献、[ 6]的理论分析，可知L一般分别为L一般为k的10左右。所以各变量的初始定义域分别选为：： [ 0， 0 500].由于六个待定常数的值近似为： L 0 183V s.初始种群应在该点附近(即在所确定的初始定义域中)均匀选取，并且应包含该点。种群染色体数目取为60，随机选取59个，再加上上述的1个染色体。

实际数值到10位二进制编码的转换采用均分法。例如，变量x的定义域为[ a ， b] ，值为x则其编码为又例如上述染色体的在遗传算法计算过程中采用动态变量编码和均匀交叉技术。其中动态变量编码设定为：若某一变量当前定义域为[ a ] 且当前种群中最优的50个染色体中，对应该变量的取值范围为[ a) ) ，则改变该变量定义域为[ a ].均匀交叉设为从父母染色体中以一定概率( 0 4)随机选取等位基因而构成两个子代染色体，以提高搜索效率。另外，在每个基因内部采用随机的单点交叉操作，基本交叉概率选为0 3.为使交叉子代个体对应的优化变量在多维寻优空间中均匀分布，对交叉位置采用非等概率选取具体设定为：每个基因内部( 10位二进制编码)的最高2位间交叉电工技术学报概率为其余8位间交叉概率的2倍。同时，为保证达到全局最优，保护先进，规定父代的最优个体总是可以生存到下一代，此最优个体将替换掉子代中的最差个体。遗传计算中变异概率选为0 05.图3给出了遗传算法的流程框图。遗传算法中每一个染色体的目标函数由电机仿真软件计算，计算时采用染色体指定的模型参数。对电机模型的仿真计算，采用作者编制的仿真软件SMSS [ 12]，并进行了相应的改进。实测绕组电流波形时，采用恒总流驱动器和86BH250B电机构成的系统，测取多个运行频率处的电流波形用于辨识和校验电机模型参数。应指出的是，电机空载和加载运行时的工况是有差别的。测试电流波形时，覆盖了电机可能达到的运行频率范围，并考虑了不同的负载情况。辨识得到的对应的电机模型参数为： L验结果。图中实线所示为实测绕组电流波形，虚线为模型计算结果。可见，所建立的电机模型和辨识的模型参数，在宽频率范围内具有较高的精度。

4结论

本文提出了采用参数辨识获得较为简单、准确的电机模型的方法，并提出了相应的辨识算法。实史敬灼等二相混合式步进电机模型参数的辨识践证明，对于混合式步进电机模型参数识别这样的复杂问题，遗传算法是一种比较理想的寻优算法。

同时，实验证明，这种采用参数辨识获得电机模型的方法是可行的，而且也是一种可以用于伺服系统设计的较为简便的方法。